打開(kāi)手機(jī)掃描二維碼
即可在手機(jī)端查看
. 研究背景與意義
1.1 醫(yī)療信息化發(fā)展現(xiàn)狀
隨著信息技術(shù)的飛速發(fā)展，醫(yī)療行業(yè)正加速數(shù)字化轉(zhuǎn)型。全球醫(yī)療信息化市場(chǎng)規(guī)模在2023年已達(dá)到1,200億美元，預(yù)計(jì)到2028年將增長(zhǎng)至2,000億美元，年復(fù)合增長(zhǎng)率達(dá)10%。在中國(guó)，醫(yī)療信息化投入也在不斷增加，2023年市場(chǎng)規(guī)模達(dá)到500億元人民幣，同比增長(zhǎng)15%。然而，盡管投入巨大，醫(yī)療信息化建設(shè)仍面臨諸多挑戰(zhàn)。根據(jù)中國(guó)醫(yī)院協(xié)會(huì)的調(diào)研，目前三級(jí)醫(yī)院中超過(guò)80%的醫(yī)院存在明顯的“信息孤島”現(xiàn)象，不同系統(tǒng)之間的數(shù)據(jù)共享和協(xié)同效率低下。
信息孤島的存在嚴(yán)重影響了醫(yī)療服務(wù)的質(zhì)量和效率。以電子病歷為例，由于數(shù)據(jù)無(wú)法在不同系統(tǒng)間高效流轉(zhuǎn)，導(dǎo)致醫(yī)生在診療過(guò)程中需要花費(fèi)大量時(shí)間手動(dòng)查詢和整理患者信息，平均每位醫(yī)生每天因此浪費(fèi)的時(shí)間超過(guò)1小時(shí)。此外，信息孤島還增加了醫(yī)療差錯(cuò)的風(fēng)險(xiǎn)。據(jù)統(tǒng)計(jì)，因數(shù)據(jù)不一致或缺失導(dǎo)致的醫(yī)療差錯(cuò)發(fā)生率在未進(jìn)行數(shù)據(jù)治理的醫(yī)院中高達(dá)5%，而在實(shí)施了有效的數(shù)據(jù)治理后，這一比例可降低至2%。信息孤島不僅影響了醫(yī)療服務(wù)的連續(xù)性和安全性，還阻礙了醫(yī)療科研的進(jìn)展。由于數(shù)據(jù)分散在不同的系統(tǒng)中，科研人員難以獲取完整、準(zhǔn)確的數(shù)據(jù)，導(dǎo)致科研項(xiàng)目推進(jìn)緩慢，科研成果轉(zhuǎn)化率低。
2. 現(xiàn)狀痛點(diǎn)深度剖析
當(dāng)前醫(yī)療信息化技術(shù)架構(gòu)面臨諸多困境，嚴(yán)重制約了醫(yī)療數(shù)據(jù)的流通與應(yīng)用。
非標(biāo)準(zhǔn)化接口占比高：據(jù)調(diào)研，目前醫(yī)療系統(tǒng)中非標(biāo)準(zhǔn)化接口占比高達(dá)78%。這種接口的不統(tǒng)一，使得不同系統(tǒng)之間的對(duì)接極為復(fù)雜，成本大幅增加。例如，一家中型醫(yī)院在進(jìn)行系統(tǒng)升級(jí)時(shí)，因接口非標(biāo)準(zhǔn)化，對(duì)接成本比預(yù)期高出3-5倍，直接導(dǎo)致項(xiàng)目預(yù)算超支，進(jìn)度延誤。
傳統(tǒng)單體架構(gòu)擴(kuò)展性不足：傳統(tǒng)單體架構(gòu)在面對(duì)大規(guī)模終端接入時(shí)，性能瓶頸凸顯。以某大型三甲醫(yī)院為例，其系統(tǒng)日均需接入10萬(wàn)+終端，傳統(tǒng)單體架構(gòu)在高并發(fā)場(chǎng)景下，系統(tǒng)崩潰風(fēng)險(xiǎn)提升40%。一旦系統(tǒng)崩潰，不僅影響正常診療業(yè)務(wù)，還可能導(dǎo)致患者數(shù)據(jù)丟失或錯(cuò)誤，引發(fā)醫(yī)療安全問(wèn)題。
多院區(qū)協(xié)同數(shù)據(jù)延遲：在多院區(qū)協(xié)同的醫(yī)療模式下，數(shù)據(jù)延遲問(wèn)題尤為突出。目前，多數(shù)醫(yī)院診療信息同步效率低于行業(yè)標(biāo)準(zhǔn)30%，導(dǎo)致患者在不同院區(qū)就診時(shí)，醫(yī)生無(wú)法及時(shí)獲取完整的病歷信息，影響診療決策的準(zhǔn)確性和及時(shí)性。例如，患者在急診情況下，若醫(yī)生不能及時(shí)獲取其過(guò)往病史，可能會(huì)延誤治療時(shí)機(jī)，增加患者的健康風(fēng)險(xiǎn)。
數(shù)據(jù)治理在醫(yī)療信息化中至關(guān)重要，但目前面臨諸多挑戰(zhàn)，影響了數(shù)據(jù)的價(jià)值挖掘與應(yīng)用。
數(shù)據(jù)孤島現(xiàn)象嚴(yán)重：三級(jí)醫(yī)院平均存在17個(gè)數(shù)據(jù)孤島，臨床數(shù)據(jù)完整率僅62%。這些孤島分布在不同的科室和系統(tǒng)中，數(shù)據(jù)難以整合與共享。例如，影像科的數(shù)據(jù)與臨床科室的數(shù)據(jù)相互獨(dú)立，醫(yī)生在診斷時(shí)無(wú)法直接獲取完整的影像資料和臨床信息，導(dǎo)致診斷效率低下，誤診率增加。
異構(gòu)系統(tǒng)數(shù)據(jù)清洗耗時(shí)：由于醫(yī)療系統(tǒng)多為異構(gòu)系統(tǒng)，數(shù)據(jù)格式和標(biāo)準(zhǔn)不一致，數(shù)據(jù)清洗工作耗時(shí)巨大。據(jù)統(tǒng)計(jì)，異構(gòu)系統(tǒng)導(dǎo)致數(shù)據(jù)清洗耗時(shí)占比超50%，而科研數(shù)據(jù)利用率不足35%。這意味著大量數(shù)據(jù)在清洗過(guò)程中被浪費(fèi)，無(wú)法有效支持醫(yī)療科研工作，延緩了醫(yī)療技術(shù)創(chuàng)新的步伐。
動(dòng)態(tài)數(shù)據(jù)質(zhì)量監(jiān)控缺失：目前，多數(shù)醫(yī)療系統(tǒng)缺乏動(dòng)態(tài)數(shù)據(jù)質(zhì)量監(jiān)控機(jī)制，電子病歷數(shù)據(jù)錯(cuò)誤率超行業(yè)基準(zhǔn)2.8個(gè)百分點(diǎn)。數(shù)據(jù)錯(cuò)誤不僅影響醫(yī)療決策的準(zhǔn)確性，還可能導(dǎo)致醫(yī)療糾紛。例如，患者用藥信息記錄錯(cuò)誤，可能會(huì)引發(fā)嚴(yán)重的藥物不良反應(yīng)，危及患者生命安全。
3. 系統(tǒng)重構(gòu)技術(shù)路徑
微服務(wù)中臺(tái)架構(gòu)是破解醫(yī)療信息化“信息孤島”困境的關(guān)鍵技術(shù)路徑之一，通過(guò)構(gòu)建醫(yī)療業(yè)務(wù)中臺(tái)和數(shù)據(jù)中臺(tái)雙驅(qū)動(dòng)模式，實(shí)現(xiàn)系統(tǒng)的高效協(xié)同與擴(kuò)展。
雙中臺(tái)驅(qū)動(dòng)模式：醫(yī)療業(yè)務(wù)中臺(tái)將醫(yī)院的核心業(yè)務(wù)流程進(jìn)行抽象和封裝，形成可復(fù)用的服務(wù)組件，如患者管理、診療流程管理、藥品管理等。數(shù)據(jù)中臺(tái)則負(fù)責(zé)數(shù)據(jù)的整合、存儲(chǔ)和治理，通過(guò)數(shù)據(jù)湖技術(shù)實(shí)現(xiàn)對(duì)結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一管理。這種雙中臺(tái)模式能夠打破傳統(tǒng)單體架構(gòu)的局限，實(shí)現(xiàn)業(yè)務(wù)與數(shù)據(jù)的深度融合，提升系統(tǒng)的整體性能和靈活性。
服務(wù)組件化與復(fù)用：在微服務(wù)架構(gòu)下，將復(fù)雜的醫(yī)療信息系統(tǒng)拆分為多個(gè)獨(dú)立的服務(wù)組件，每個(gè)組件負(fù)責(zé)特定的功能。通過(guò)服務(wù)編排和組合，實(shí)現(xiàn)模塊的高效復(fù)用。例如，患者信息管理組件可以在掛號(hào)、就診、住院等多個(gè)業(yè)務(wù)場(chǎng)景中復(fù)用，大大提高了開(kāi)發(fā)效率，降低了系統(tǒng)的復(fù)雜度。據(jù)統(tǒng)計(jì)，服務(wù)組件化可使模塊復(fù)用率提升至85%，顯著減少了重復(fù)開(kāi)發(fā)的工作量。
彈性計(jì)算資源池：面對(duì)醫(yī)療業(yè)務(wù)的突發(fā)流量需求，如疫情期間的在線診療高峰，傳統(tǒng)架構(gòu)往往難以應(yīng)對(duì)。微服務(wù)中臺(tái)架構(gòu)通過(guò)構(gòu)建彈性計(jì)算資源池，能夠根據(jù)業(yè)務(wù)負(fù)載動(dòng)態(tài)分配計(jì)算資源。在系統(tǒng)壓力增大時(shí)，自動(dòng)擴(kuò)展資源以滿足需求；在業(yè)務(wù)低谷時(shí)，釋放閑置資源以降低成本。這種彈性機(jī)制可支持突發(fā)流量300%的增長(zhǎng)，確保系統(tǒng)在高并發(fā)場(chǎng)景下的穩(wěn)定運(yùn)行，有效避免系統(tǒng)崩潰風(fēng)險(xiǎn)。
標(biāo)準(zhǔn)化接口是實(shí)現(xiàn)醫(yī)療系統(tǒng)互聯(lián)互通的基礎(chǔ)，通過(guò)構(gòu)建統(tǒng)一的接口標(biāo)準(zhǔn)和規(guī)范，能夠有效降低系統(tǒng)對(duì)接成本，提升數(shù)據(jù)交互效率。
FHIR+HL7雙標(biāo)準(zhǔn)兼容方案：醫(yī)療行業(yè)存在多種數(shù)據(jù)標(biāo)準(zhǔn)，如HL7（Health Level Seven）和FHIR（Fast Healthcare Interoperability Resources）。FHIR是一種新興的醫(yī)療信息交換標(biāo)準(zhǔn)，具有簡(jiǎn)潔、靈活、易于實(shí)現(xiàn)的特點(diǎn)；HL7則在傳統(tǒng)醫(yī)療系統(tǒng)中廣泛應(yīng)用，具有較高的兼容性。采用FHIR+HL7雙標(biāo)準(zhǔn)兼容方案，能夠同時(shí)滿足新舊系統(tǒng)的接口需求，確保不同系統(tǒng)之間的無(wú)縫對(duì)接。例如，在新開(kāi)發(fā)的移動(dòng)醫(yī)療應(yīng)用中采用FHIR標(biāo)準(zhǔn)，而在與醫(yī)院信息系統(tǒng)集成時(shí)，通過(guò)轉(zhuǎn)換層實(shí)現(xiàn)與HL7標(biāo)準(zhǔn)的兼容，從而實(shí)現(xiàn)數(shù)據(jù)的高效傳輸。
醫(yī)療專(zhuān)用API網(wǎng)關(guān)：開(kāi)發(fā)醫(yī)療專(zhuān)用API網(wǎng)關(guān)，對(duì)所有接口進(jìn)行統(tǒng)一管理和調(diào)度。API網(wǎng)關(guān)能夠?qū)崿F(xiàn)接口的認(rèn)證、授權(quán)、限流、監(jiān)控等功能，確保接口的安全性和穩(wěn)定性。通過(guò)優(yōu)化接口設(shè)計(jì)和調(diào)用流程，接口響應(yīng)時(shí)間可縮短至200ms以內(nèi)，大大提高了系統(tǒng)的交互效率。例如，在醫(yī)生工作站調(diào)用患者病歷信息時(shí)，通過(guò)API網(wǎng)關(guān)快速獲取數(shù)據(jù)，減少了醫(yī)生等待時(shí)間，提升了診療效率。
醫(yī)院系統(tǒng)接口白名單制度：建立醫(yī)院系統(tǒng)接口白名單制度，對(duì)所有接入系統(tǒng)的接口進(jìn)行嚴(yán)格審核和認(rèn)證。只有通過(guò)兼容性測(cè)試的接口才能進(jìn)入白名單，確保系統(tǒng)的穩(wěn)定性和安全性。通過(guò)實(shí)施白名單制度，兼容性測(cè)試通過(guò)率可提升至98%，有效減少了因接口不兼容導(dǎo)致的系統(tǒng)故障和數(shù)據(jù)錯(cuò)誤。
4. 數(shù)據(jù)治理創(chuàng)新框架
全生命周期管理是醫(yī)療數(shù)據(jù)治理的核心環(huán)節(jié)，通過(guò)構(gòu)建完整的數(shù)據(jù)管理流程，確保數(shù)據(jù)在各個(gè)階段的質(zhì)量和價(jià)值。
數(shù)據(jù)質(zhì)量五維評(píng)估模型：實(shí)施數(shù)據(jù)質(zhì)量五維評(píng)估模型，涵蓋完整性、準(zhǔn)確性、及時(shí)性、一致性和相關(guān)性五個(gè)維度。通過(guò)量化評(píng)估，能夠精準(zhǔn)定位數(shù)據(jù)質(zhì)量問(wèn)題。例如，在某三甲醫(yī)院的試點(diǎn)中，通過(guò)該模型發(fā)現(xiàn)臨床數(shù)據(jù)的完整性不足，主要集中在患者既往病史和檢查檢驗(yàn)結(jié)果的缺失。針對(duì)這些問(wèn)題，醫(yī)院采取了針對(duì)性的數(shù)據(jù)采集和補(bǔ)充措施，使數(shù)據(jù)完整率從62%提升至85%。
智能數(shù)據(jù)清洗引擎：部署智能數(shù)據(jù)清洗引擎，利用機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)，自動(dòng)識(shí)別和糾正數(shù)據(jù)中的錯(cuò)誤和異常。該引擎能夠處理多種數(shù)據(jù)格式，包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。在實(shí)際應(yīng)用中，數(shù)據(jù)處理效率提升6倍，數(shù)據(jù)清洗耗時(shí)占比從50%以上降至20%左右。例如，在處理電子病歷中的文本數(shù)據(jù)時(shí)，智能數(shù)據(jù)清洗引擎能夠自動(dòng)識(shí)別并糾正錯(cuò)別字、格式錯(cuò)誤等問(wèn)題，同時(shí)對(duì)不完整的病歷進(jìn)行補(bǔ)充提示，顯著提高了數(shù)據(jù)質(zhì)量。
臨床科研數(shù)據(jù)湖構(gòu)建：構(gòu)建臨床科研數(shù)據(jù)湖，支持PB級(jí)數(shù)據(jù)的實(shí)時(shí)分析。數(shù)據(jù)湖能夠整合來(lái)自不同系統(tǒng)的數(shù)據(jù)，包括電子病歷、影像數(shù)據(jù)、檢驗(yàn)檢查數(shù)據(jù)等，形成統(tǒng)一的數(shù)據(jù)資源池。通過(guò)數(shù)據(jù)湖，科研人員可以快速獲取和分析大規(guī)模數(shù)據(jù)，加速科研項(xiàng)目的推進(jìn)。例如，在某項(xiàng)關(guān)于心血管疾病的科研項(xiàng)目中，科研人員通過(guò)數(shù)據(jù)湖獲取了超過(guò)10PB的患者數(shù)據(jù)，包括病歷、影像和基因數(shù)據(jù)，基于這些數(shù)據(jù)進(jìn)行深度分析，成功發(fā)現(xiàn)了新的疾病標(biāo)志物，科研成果轉(zhuǎn)化時(shí)間縮短了30%。
智能應(yīng)用是數(shù)據(jù)治理的重要賦能手段，通過(guò)引入人工智能技術(shù)，提升醫(yī)療服務(wù)的質(zhì)量和效率。
醫(yī)療知識(shí)圖譜系統(tǒng)開(kāi)發(fā)：開(kāi)發(fā)醫(yī)療知識(shí)圖譜系統(tǒng)，將醫(yī)學(xué)知識(shí)與臨床數(shù)據(jù)相結(jié)合，構(gòu)建疾病、癥狀、藥物、檢查檢驗(yàn)等多維度的知識(shí)關(guān)聯(lián)網(wǎng)絡(luò)。該系統(tǒng)能夠?qū)崿F(xiàn)疾病關(guān)聯(lián)分析維度拓展至300+，為醫(yī)生提供全面的診斷參考。例如，在診斷復(fù)雜疾病如罕見(jiàn)病時(shí)，醫(yī)生可以通過(guò)知識(shí)圖譜系統(tǒng)快速獲取相關(guān)疾病的信息和診斷線索，輔助診斷建議采納率提升至89%。在某醫(yī)院的臨床應(yīng)用中，通過(guò)知識(shí)圖譜系統(tǒng)輔助診斷，罕見(jiàn)病的誤診率降低了20%。
AI輔助決策平臺(tái)搭建：搭建AI輔助決策平臺(tái)，利用深度學(xué)習(xí)算法對(duì)臨床數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)，為醫(yī)生提供診斷建議和治療方案。該平臺(tái)能夠?qū)崟r(shí)分析患者的病歷、檢查檢驗(yàn)結(jié)果等數(shù)據(jù)，生成個(gè)性化的診斷和治療建議。在實(shí)際應(yīng)用中，診斷建議采納率提升至89%，醫(yī)療差錯(cuò)發(fā)生率降低42%。例如，在急診科的應(yīng)用中，AI輔助決策平臺(tái)能夠在短時(shí)間內(nèi)對(duì)患者的病情進(jìn)行初步判斷，并提供可能的診斷方向和緊急處理措施，幫助醫(yī)生快速做出決策，縮短了急診患者的平均等待時(shí)間。
動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警機(jī)制建立：建立動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警機(jī)制，通過(guò)實(shí)時(shí)監(jiān)測(cè)患者的病情變化和數(shù)據(jù)異常，及時(shí)發(fā)現(xiàn)潛在的醫(yī)療風(fēng)險(xiǎn)。該機(jī)制能夠?qū)颊叩纳碇笜?biāo)、檢查檢驗(yàn)結(jié)果等數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，當(dāng)發(fā)現(xiàn)數(shù)據(jù)異常時(shí)，立即發(fā)出預(yù)警信號(hào)，提醒醫(yī)護(hù)人員采取措施。在某醫(yī)院的試點(diǎn)中，通過(guò)動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警機(jī)制，醫(yī)療差錯(cuò)發(fā)生率降低了42%，患者滿意度提升了15%。例如，在重癥監(jiān)護(hù)病房（ICU）中，動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警機(jī)制能夠?qū)崟r(shí)監(jiān)測(cè)患者的生命體征，當(dāng)發(fā)現(xiàn)患者出現(xiàn)心律失常等異常情況時(shí)，及時(shí)發(fā)出預(yù)警，醫(yī)護(hù)人員可以迅速采取措施進(jìn)行干預(yù)，提高了患者的救治成功率。
5. 實(shí)施路徑與保障體系
為實(shí)現(xiàn)醫(yī)療數(shù)據(jù)治理與系統(tǒng)架構(gòu)升級(jí)的目標(biāo)，需制定科學(xué)合理的分階段演進(jìn)策略，確保項(xiàng)目穩(wěn)步推進(jìn)。
基礎(chǔ)架構(gòu)層：計(jì)劃在3年內(nèi)完成核心系統(tǒng)微服務(wù)改造。第一年，選取部分業(yè)務(wù)系統(tǒng)進(jìn)行試點(diǎn)，將傳統(tǒng)單體架構(gòu)逐步拆分為微服務(wù)架構(gòu)，驗(yàn)證技術(shù)方案的可行性與穩(wěn)定性；第二年，擴(kuò)大改造范圍，完成核心業(yè)務(wù)系統(tǒng)的微服務(wù)化改造，構(gòu)建彈性計(jì)算資源池，初步實(shí)現(xiàn)系統(tǒng)的彈性擴(kuò)展能力；第三年，全面推廣微服務(wù)架構(gòu)，完成所有核心系統(tǒng)的改造，優(yōu)化資源配置，提升系統(tǒng)的整體性能與穩(wěn)定性。
數(shù)據(jù)治理層：預(yù)計(jì)在5年內(nèi)構(gòu)建全院級(jí)數(shù)據(jù)資產(chǎn)目錄。前兩年，重點(diǎn)開(kāi)展數(shù)據(jù)標(biāo)準(zhǔn)制定與數(shù)據(jù)質(zhì)量評(píng)估工作，建立數(shù)據(jù)質(zhì)量五維評(píng)估模型，對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行全面評(píng)估與清洗，提升數(shù)據(jù)質(zhì)量；第三至四年，構(gòu)建數(shù)據(jù)中臺(tái)，整合全院數(shù)據(jù)資源，建立數(shù)據(jù)資產(chǎn)目錄，實(shí)現(xiàn)數(shù)據(jù)的集中管理與共享；第五年，進(jìn)一步完善數(shù)據(jù)治理體系，優(yōu)化數(shù)據(jù)湖架構(gòu)，提升數(shù)據(jù)的實(shí)時(shí)分析與挖掘能力，為臨床科研與管理決策提供有力支持。
智能應(yīng)用層：規(guī)劃在8年內(nèi)實(shí)現(xiàn)臨床決策全流程AI支持。前三年，搭建AI輔助決策平臺(tái)基礎(chǔ)框架，開(kāi)發(fā)醫(yī)療知識(shí)圖譜系統(tǒng)，實(shí)現(xiàn)疾病關(guān)聯(lián)分析與初步診斷建議功能；第四至五年，完善AI輔助決策平臺(tái)功能，提升診斷建議的準(zhǔn)確性和實(shí)用性，拓展應(yīng)用范圍至更多臨床科室；第六至七年，深化智能應(yīng)用，建立動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警機(jī)制，實(shí)現(xiàn)醫(yī)療風(fēng)險(xiǎn)的實(shí)時(shí)監(jiān)測(cè)與預(yù)警，優(yōu)化AI輔助決策平臺(tái)的性能與用戶體驗(yàn)；第八年，全面實(shí)現(xiàn)臨床決策全流程AI支持，構(gòu)建智能化醫(yī)療服務(wù)模式，提升醫(yī)療服務(wù)質(zhì)量和效率，推動(dòng)智慧醫(yī)療的發(fā)展。
在醫(yī)療數(shù)據(jù)治理與系統(tǒng)架構(gòu)升級(jí)過(guò)程中，安全合規(guī)是至關(guān)重要的保障。需采取一系列措施，確保醫(yī)療數(shù)據(jù)的安全與合規(guī)使用。
實(shí)施隱私計(jì)算平臺(tái)：引入隱私計(jì)算技術(shù)，搭建隱私計(jì)算平臺(tái)。在數(shù)據(jù)共享與分析過(guò)程中，通過(guò)同態(tài)加密、多方安全計(jì)算等技術(shù)手段，實(shí)現(xiàn)數(shù)據(jù)的“可用不可見(jiàn)”，保障患者隱私與數(shù)據(jù)安全。隱私計(jì)算平臺(tái)可支持跨機(jī)構(gòu)、跨部門(mén)的數(shù)據(jù)聯(lián)合分析與應(yīng)用，為醫(yī)療科研、臨床決策等提供安全可靠的數(shù)據(jù)支持。預(yù)計(jì)在項(xiàng)目實(shí)施的第三年完成隱私計(jì)算平臺(tái)的建設(shè)與推廣使用。
特別聲明：智慧醫(yī)療網(wǎng)轉(zhuǎn)載其他網(wǎng)站內(nèi)容，出于傳遞更多信息而非盈利之目的，同時(shí)并不代表贊成其觀點(diǎn)或證實(shí)其描述，內(nèi)容僅供參考。版權(quán)歸原作者所有，若有侵權(quán)，請(qǐng)聯(lián)系我們刪除。
凡來(lái)源注明智慧醫(yī)療網(wǎng)的內(nèi)容為智慧醫(yī)療網(wǎng)原創(chuàng)，轉(zhuǎn)載需獲授權(quán)。
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號(hào)：滬ICP備17004559號(hào)-5
